基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
DBSCAN是一种经典的基于密度聚类算法,能够自动确定簇的数量,对任意形状的簇都能有效处理.DBSCAN算法需要人为确定Eps和minPts 2个参数,导致聚类过程需人工干预才能进行.在DBSCAN的基础上提出了SA-DBSCAN聚类算法,通过分析数据集统计特性来自动确定Eps和minPts参数,从而避免了聚类过程的人工干预,实现聚类过程的全自动化.实验表明,SA-DBSCAN能够选择合理的Eps和minPts参数并得到较高准确度的聚类结果.
推荐文章
基于DBSCAN聚类的细菌自适应步长觅食算法
细菌觅食算法
自适应步长
算法早熟
DBSAN
基于自适应蜂群优化的DBSCAN聚类算法
DBSCAN算法
人工蜂群优化算法
截断-锦标赛选择机制
自适应步长策略
聚类
Greedy DBSCAN:一种针对多密度聚类的DBSCAN改进算法
多密度
贪心策略
相对稠密度
邻域查询
噪声数据
DBSCAN聚类
基于改进DBSCAN算法的文本聚类
DBSCAN算法
文本聚类
最小二乘法
簇关系树
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 SA-DBSCAN:一种自适应基于密度聚类算法
来源期刊 中国科学院研究生院学报 学科 工学
关键词 数据挖掘 聚类 DBSCAN SA-DBSCAN
年,卷(期) 2009,(4) 所属期刊栏目 论文
研究方向 页码范围 530-538
页数 9页 分类号 TP81
字数 5565字 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (46)
参考文献  (3)
节点文献
引证文献  (122)
同被引文献  (262)
二级引证文献  (350)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(5)
  • 引证文献(5)
  • 二级引证文献(0)
2012(18)
  • 引证文献(10)
  • 二级引证文献(8)
2013(20)
  • 引证文献(10)
  • 二级引证文献(10)
2014(16)
  • 引证文献(6)
  • 二级引证文献(10)
2015(39)
  • 引证文献(15)
  • 二级引证文献(24)
2016(60)
  • 引证文献(15)
  • 二级引证文献(45)
2017(71)
  • 引证文献(15)
  • 二级引证文献(56)
2018(81)
  • 引证文献(23)
  • 二级引证文献(58)
2019(101)
  • 引证文献(15)
  • 二级引证文献(86)
2020(58)
  • 引证文献(5)
  • 二级引证文献(53)
研究主题发展历程
节点文献
数据挖掘
聚类
DBSCAN
SA-DBSCAN
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国科学院大学学报
双月刊
2095-6134
10-1131/N
大16开
北京玉泉路19号(甲)
82-583
1984
chi
出版文献量(篇)
2247
总下载数(次)
2
总被引数(次)
15229
相关基金
国家高技术研究发展计划(863计划)
英文译名:The National High Technology Research and Development Program of China
官方网址:http://www.863.org.cn
项目类型:重点项目
学科类型:信息技术
论文1v1指导